| 第1章 绪论 | 第1-25页 |
| 1．1 引文 | 第11-12页 |
| 1．2 国内外研究现状 | 第12-23页 |
| 1．2．1 机械设备故障诊断与维护技术的研究进展 | 第12-20页 |
| 1．2．2 金属材料磨损理论研究和维护技术的进展 | 第20-23页 |
| 1．3 本课题的实际意义 | 第23页 |
| 1．4 本课题主要的研究内容 | 第23-25页 |
| 第2章 面向INTERNET的滑动轴承磨损智能虚拟维护系统的框架研究 | 第25-42页 |
| 2．1 人工智能技术在磨损诊断中的应用 | 第25-30页 |
| 2．1．1 人工神经网络 | 第25-29页 |
| 2．1．2 人工神经网络对磨损预测的可用性 | 第29-30页 |
| 2．2 计算机网络技术在磨损诊断中的应用 | 第30-35页 |
| 2．2．1 计算机网络在远程磨损诊断中的作用 | 第30-31页 |
| 2．2．2 基于B/S结构的远程综合磨损诊断的基本原理 | 第31-33页 |
| 2．2．3 远程磨损综合诊断控制的系统结构 | 第33-35页 |
| 2．3 虚拟现实技术在磨损诊断中的应用 | 第35-39页 |
| 2．3．1 虚拟现实的实现 | 第35-39页 |
| 2．3．2 虚拟摩擦副的磨损 | 第39页 |
| 2．4 远程滑动轴承磨损智能虚拟维护系统的整体结构 | 第39-41页 |
| 2．5 本章小结 | 第41-42页 |
| 第3章 滑动轴承磨损的状态诊断与维护 | 第42-66页 |
| 3．1 滑动轴承滑动磨损失效的基本形式 | 第42-43页 |
| 3．1．1 微缓磨损（弹性接触磨损） | 第42页 |
| 3．1．2 严重磨损 | 第42页 |
| 3．1．3 咬死 | 第42-43页 |
| 3．2 滑动轴承磨损的分析方法 | 第43-45页 |
| 3．2．1 系统分析法的基本原理 | 第43-44页 |
| 3．2．2 滑动轴承磨损的系统分析 | 第44-45页 |
| 3．2．3 滑动轴承磨损的系统分析法的作用 | 第45页 |
| 3．3 影响滑动磨损失效的因素 | 第45-54页 |
| 3．3．1 材料参数对磨损的影响 | 第45-47页 |
| 3．3．2 工作参数对磨损的影响 | 第47-52页 |
| 3．3．3 几何参数对磨损的影响 | 第52-53页 |
| 3．3．4 环境参数对磨损的影响 | 第53-54页 |
| 3．4 滑动轴承磨损状态的判定方法 | 第54-58页 |
| 3．4．1 试验判定 | 第54-57页 |
| 3．4．2 经验及统计判定 | 第57-58页 |
| 3．5 滑动轴承使用寿命的预测 | 第58-61页 |
| 3．6 滑动轴承磨损的维护 | 第61-65页 |
| 3．6．1 磨损维护提出的主要思路 | 第61-62页 |
| 3．6．2 针对滑动轴承磨损影响因素的维护措施 | 第62-65页 |
| 3．7 本章小结 | 第65-66页 |
| 第4章 数据的处理—自组织有向计算网络 | 第66-102页 |
| 4．1 自组织有向计算网络概念的提出 | 第66-68页 |
| 4．2 磨损诊断中的自组织有向计算网络 | 第68页 |
| 4．3 自组织有向计算网络的原理及其建立 | 第68-89页 |
| 4．3．1 自组织的概念、特征和机制 | 第68-71页 |
| 4．3．2 自组织有向计算网络 | 第71-72页 |
| 4．3．3 自组织有向计算网络的基本概念 | 第72-73页 |
| 4．3．4 自组织有向计算网络的基本结构 | 第73-75页 |
| 4．3．5 自组织有向计算网络的建立 | 第75-89页 |
| 4．4 自组织有向计算网络的计算过程 | 第89-92页 |
| 4．4．1 程序中变量与变量节点的匹配 | 第90页 |
| 4．4．2 公式节点内部的计算 | 第90页 |
| 4．4．3 子网内部的计算 | 第90-91页 |
| 4．4．4 计算路径的获取 | 第91-92页 |
| 4．5 自组织有向计算网络的特点 | 第92-94页 |
| 4．6 自组织有向计算网络的应用 | 第94-101页 |
| 4．6．1 科学理论计算 | 第94-99页 |
| 4．6．2 计算过程再现 | 第99-101页 |
| 4．7 本章小结 | 第101-102页 |
| 第5章 滑动轴承磨损的预测技术 | 第102-138页 |
| 5．1 磨损的预测方法 | 第102页 |
| 5．2 回归分析方法 | 第102-108页 |
| 5．2．1 多元线性回归分析的基本计算方法 | 第103-104页 |
| 5．2．2 多元非线性回归模型 | 第104-105页 |
| 5．2．3 滑动轴承合金磨损的多元非线性回归分析方法比较 | 第105-108页 |
| 5．3 BP网络及其改进模型 | 第108-119页 |
| 5．3．1 BP模型 | 第108-113页 |
| 5．3．2 BP模型的改进 | 第113-115页 |
| 5．3．3 BP网络及其改进方法对磨损预测的性能比较 | 第115-119页 |
| 5．4 回归分析和人工神经网络方法对磨损的预测比较 | 第119-132页 |
| 5．4．1 回归分析方法对滑动轴承材料的磨损特性预测 | 第119-126页 |
| 5．4．2 Bayesian正规化BP网络对滑动轴承合金磨损的预测 | 第126-129页 |
| 5．4．3 Bayesian正规化BP神经网络和回归分析预测结果的分析 | 第129-130页 |
| 5．4．4 样本点的处理 | 第130-132页 |
| 5．5 多参数输入的Bayesian正规化BP网络磨损预测 | 第132-136页 |
| 5．6 本章小结 | 第136-138页 |
| 第6章 面向INTERNET的滑动轴承磨损智能虚拟维护系统开发与验证 | 第138-160页 |
| 6．1 系统开发的相关技术 | 第138-144页 |
| 6．1．1 网络编程技术 | 第138-140页 |
| 6．1．2 客户浏览器 | 第140页 |
| 6．1．3 服务器 | 第140-142页 |
| 6．1．4 数据库 | 第142-144页 |
| 6．2 系统的软件实现 | 第144-155页 |
| 6．2．1 系统软件的工作流程 | 第144-145页 |
| 6．2．2 MATLAB Web Server的配置 | 第145-147页 |
| 6．2．3 维护建议的提出 | 第147-150页 |
| 6．2．4 虚拟模型的显示 | 第150页 |
| 6．2．5 远程专家协同会议 | 第150-151页 |
| 6．2．6 远程滑动轴承磨损智能虚拟维护系统 | 第151-155页 |
| 6．3 试验验证 | 第155-159页 |
| 6．3．1 试验和远程维护系统预测结果 | 第156-158页 |
| 6．3．2 对比分析 | 第158-159页 |
| 6．4 本章小结 | 第159-160页 |
| 第7章 结论 | 第160-162页 |
| 参考文献 | 第162-170页 |
| 在博士学习期间发表及录用的论文 | 第170-171页 |
| 致谢 | 第171页 |
